دا ناشونې ده چې د دې دلیل تشریح کړم چې ولې ما دا لوستل. ما یوازې وخت درلود او لیواله وم چې بازار څنګه کار کوي. او دا دمخه د 2018 راهیسې د ګارټینر په وینا بشپړ بازار دی. له 2014-2016 څخه دا د پرمختللي تحلیلونو (په BI کې ریښې) په نوم یادیږي ، په 2017 کې - ډیټا ساینس (زه نه پوهیږم چې دا څنګه په روسیه کې ژباړم). د هغو کسانو لپاره چې د مربع په شاوخوا کې د پلورونکو حرکتونو سره علاقه لري، تاسو کولی شئ دلته وګوره او زه به د 2020 مربع په اړه وغږیږم ، په ځانګړي توګه له هغه وخته چې د 2019 راهیسې هلته بدلونونه خورا لږ دي: SAP بهر شو او الټایر ډیټاواچ پیرودل.
دا یو سیستماتیک تحلیل یا میز نه دی. یو انفرادي لید، د جیو فزیک پوه له نظره هم. مګر زه تل د ګارټینر MQ لوستلو ته لیواله یم ، دوی ځینې ټکي په سمه توګه جوړوي. نو دلته هغه شیان دي چې ما په تخنیکي، بازار موندنه او فلسفه کې دواړو ته پاملرنه کړې.
دا د هغو خلکو لپاره ندي چې د ML موضوع ته ژور دي، مګر د هغو خلکو لپاره چې په بازار کې په عمومي توګه پیښیږي لیوالتیا لري.
د DSML بازار پخپله په منطقي ډول د BI او کلاوډ AI پراختیا کونکي خدماتو ترمینځ ځاله کوي.
د خوښې نرخونه او شرایط لومړی:
"یو مشر ممکن غوره انتخاب نه وي" - د بازار مشر اړین نه دی هغه څه چې تاسو ورته اړتیا لرئ. ډېر عاجل! د فعال پیرودونکي نشتوالي په پایله کې، دوی تل د "مناسب" حل پرځای د "غوره" حل په لټه کې دي.
"موډل عملیات" - د MOPs په توګه لنډیز. او هرڅوک د پګ سره سخت وخت لري! - (سړه پګ موضوع د ماډل کار کوي).
"د نوټ بوک چاپیریال" یو مهم مفهوم دی چیرې چې کوډ، تبصرې، ډاټا او پایلې یوځای راځي. دا خورا روښانه، ژمن دی او کولی شي د پام وړ د UI کوډ مقدار کم کړي.
په Paxata کې د معلوماتو چمتو کول، نه Excel - دلته وګورئ: لینک.
د دوه ډیټاسیټونو ترمینځ د یوځای کیدو لپاره اتوماتیک لیدونه او وړاندیزونه شتون لري. یو لوی شی - د معلوماتو د پوهیدو لپاره، په متني معلوماتو باندې به ډیر ټینګار وي (لینک).
د ډیټا کتلاګ د بې ګټې "ژوند" ډیټاسیټونو عالي کتلاګ دی.
دا هم په زړه پورې ده چې څنګه لارښودونه په Paxata کې جوړیږي (لینک).
"د شنونکي شرکت په وینا اووم، سافټویر د پرمختګ له لارې ممکن شوی اټکل شوي شننې, ماشین زده کړه او د ایس ایس ایل د معلوماتو ذخیره کولو میتودولوژي[15] سافټویر کاروي سیمانټیک د ډیټا سیټ کې احتمالي نقل موندلو لپاره د ډیټا جدول د کالمونو او نمونو پیژندنې الګوریتمونو په معنی پوهیدو لپاره الګوریتمونه.[15][7] دا د لیست کولو، د متن نمونو پیژندنه او نور ټیکنالوژي هم کاروي چې په دودیز ډول په ټولنیزو رسنیو او د لټون سافټویر کې موندل کیږي.
د ډیټا روبوټ اصلي محصول دی دلته. د دوی شعار له ماډل څخه تر تصدۍ غوښتنلیک پورې دی! ما د بحران په اړه د تیلو د صنعت لپاره مشوره وموندله، مګر دا خورا ممنوع او غیر زړه پورې وه: لینک. ما د دوی ویډیوګانې په Mops یا MLops کې ولیدل (لینک). دا داسې فرانکنسټین دی چې د مختلف محصولاتو 6-7 استملاکونو څخه راټول شوی.
البته ، دا روښانه کیږي چې د ډیټا ساینس پوهانو لوی ټیم باید د ماډلونو سره کار کولو لپاره ورته چاپیریال ولري ، که نه نو دوی به ډیری تولید کړي او هیڅ شی به ځای په ځای نکړي. او زموږ د تیلو او ګازو پورته کولو واقعیت کې، که موږ یوازې یو بریالی ماډل جوړ کړو، دا به لوی پرمختګ وي!
دا پروسه پخپله د جیولوژي - جیو فزیک کې د ډیزاین سیسټمونو سره د کار خورا یادونه وه ، د مثال په توګه پټریل. هرڅوک چې ډیر سست نه وي ماډلونه جوړوي او بدلوي. په موډل کې معلومات راټول کړئ. بیا دوی د حوالې ماډل جوړ کړ او تولید ته یې واستاوه! د جیولوژیکي ماډل او د ML ماډل تر مینځ، تاسو کولی شئ ډیر مشترک ومومئ.
ډومينو
په خلاص پلیټ فارم او همکارۍ ټینګار. د سوداګرۍ کاروونکي وړیا منل کیږي. د دوی ډیټا لابراتوار د شریک نقطې ته ورته دی. (او نوم په کلکه د IBM څخه خوند اخلي). ټولې تجربې د اصلي ډیټا سیټ سره تړاو لري. دا څومره پیژندل شوی دی :) لکه څنګه چې زموږ په عمل کې - ځینې معلومات موډل ته راښکته شوي ، بیا یې پاک شوي او په ماډل کې ترتیب شوي ، او دا ټول دمخه په موډل کې ژوند کوي او پای د سرچینې ډیټا کې نشي موندل کیدی. .
ډومینو د ښه زیربنا مجازی کول لري. ما ماشین په یوه ثانیه کې د اړتیا سره سم ډیری کورونه راټول کړل او شمیرلو ته لاړم. دا څنګه ترسره شو سمدستي روښانه نده. ډاکر هر ځای دی. ډیره ازادي! د وروستي نسخو هر ډول کاري ځایونه وصل کیدی شي. د تجربو موازي پیل کول. د بریالي کسانو تعقیب او انتخاب.
پاتې شو SAS и Tibco زما لپاره عام BI پلورونکي ... او دواړه په سر کې دي، کوم چې زما باور تاییدوي چې نورمال ډیټا ساینس په منطقي توګه وده کوي
د BI څخه، او نه د بادل او هډوپ زیربناوو څخه. د سوداګرۍ څخه، دا دی، او نه د IT څخه. لکه د مثال په توګه په Gazpromneft کې: لینکیو بالغ DSML چاپیریال د BI قوي تمریناتو څخه وده کوي. مګر شاید دا د MDM او نورو شیانو په وړاندې سپک او تعصب وي ، څوک پوهیږي.
SAS
د ویلو لپاره ډیر څه نشته. یوازې ښکاره شیان.
TIBCO
ستراتیژي د ویکي پاڼې په اوږده پاڼه کې د پیرود لیست کې لوستل کیږي. هو، اوږده کیسه، مګر 28!!! چارلس ما BI Spotfire (2007) بیرته په خپل تخنیکي ځوانۍ کې اخیستی. او همدارنګه د Jaspersoft (2014) څخه راپور ورکول، بیا د دریو وړاندوینې تحلیلي پلورونکي Insightful (S-plus) (2008)، Statistica (2017) او Alpine Data (2017)، د پیښو پروسس کول او سټیمینګ سټریمبیس سیسټم (2013)، MDM آرکیسټرا شبکې (2018) او سنیپي ډیټا (2019) په حافظه کې پلیټ فارم.